TRAVELLING SALESMAN PROBLEM (TSP) OPTIMIZATION SEED DIS-TRIBUTION USING GENETIC ALGORITHM

Abstract: Distribution is an important the business sector, agricultural sector for distributing seeds to ensure location of customers selling seeds. Problems that are often encountered seed distribution process efficiency time and distance distribution. Re search will build software entering initial data several dynamically added consumer agents. The parameter uses latitude-longitude integrated on google maps detects varying store locations, generation chromosomes or best path with minimum route. heuristic approach using Genetic Algorithm imitates concept biological evolution random exchange structure series. This study distribute 3 types a choice weights have been divided into areas located map Indonesia land routes. results test population average fitness value tend remain from previous 1-10 optimum iteration 9-12 44.2. Optimal obtained when Mr higher than Cr values. Thus, can be used TSP paths. 1:2 evaluation compared usual estimates . Keywords: Algorithm; Route Optimization; Seed Distribution; Abstrak: Distribusi menjadi hal penting berwirausaha, salah satunya pada bidang pertanian untuk pendistribusian benih sampai lokasi tujuan. Permasalahan sering ditemui dalam proses adalah efektifan, efisiensi waktu dan jarak tempuh. Sehingga penelitian akan membangun perangkat lunak dengan memasukan titik awal beberapa tujuan agen konsumen ditambahkan secara dinamis. Parameter menggunakan terintegrasi yang mendeteksi keberadaan lokasi, selanjutnya diketahui generasi kromosom atau jalur distribusi terbaik rute minimum. Pendekatan Heuristic Algoritma Genetika meniru konsep evolusi biologis deretan struktur pertukaran informasi acak. Tujuan ini dapat mendistribusikan jenis pilihan bobot telah terbagi wilayah lokasi. Satu terdapat toko dinamis, sudah ditentukan keberangkatan. Penelitian menekankan penentuan saja. Hasil pengujian jumlah populasi rata-rata nilai cenderung bersifat tetap dari sebelumnya selisih iterasi 44,2. didapatkan ketika Mutation rate (Mr) lebih tinggi dibanding Crossover (Cr). Maka, bisa digunakan menghasilkan evaluasi fitnes dibandingkan estimasi biasa digunakan.Kata kunci: Genetika; Benih; Optimalisasi Rute;